基于信息维数的复杂网络自相似性研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (15): 108-110.

基于信息维数的复杂网络自相似性研究

陶少华¹，刘玉华¹，许凯华²，黄浩¹

1.华中师范大学计算机科学系，武汉 430079
2.华中师范大学数字空间研究中心，武汉 430079

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-05-21 发布日期:2007-05-21
通讯作者: 陶少华

Self-similarity research of complex networks based on information dimension

TAO Shao-hua¹，LIU Yu-hua¹，XU Kai-hua²，HUANG Hao¹

1.Computer Science Department，Huazhong Normal University，Wuhan 430079，China
2.Research Center of Digital Space Technology，Hua Zhong Normal University，Wuhan 430079，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-05-21 Published:2007-05-21
Contact: TAO Shao-hua

摘要/Abstract

摘要： 描述了基于重构性的复杂网络自相似模型。在分形思想的基础上提出了复杂网络的自相似性研究，指出了分形思想中容量维数的不足，提出利用信息维数研究复杂网络的自相似性，这种方法更能客观反映网络的自相似性。给出了复杂网络自相似性测量方法和基于信息维数的仿真结果，数值仿真验证了理论分析的正确性。最后提出了进一步研究的方向。

关键词: 复杂网络, 自相似性, 容量维数, 信息维数

Abstract: This paper describes the self-similarity model of complex networks based on renormalization procedure.Self-similarity of complex networks is researched based on the concept of fractal，besides，the shortage of volume dimension is also referred to.Studying the self-similarity of complex networks by information volume is proposed，which can reflect the self-similarity of networks more object.The measure methods of self-similarity and simulation results are given.We prove the correctness of the theoretical result by our simulation，finally further study is proposed.

Key words: complex networks, self-similarity, volume dimension, information dimension

陶少华¹，刘玉华¹，许凯华²，黄浩¹. 基于信息维数的复杂网络自相似性研究[J]. 计算机工程与应用, 2007, 43(15): 108-110.

TAO Shao-hua¹，LIU Yu-hua¹，XU Kai-hua²，HUANG Hao¹. Self-similarity research of complex networks based on information dimension[J]. Computer Engineering and Applications, 2007, 43(15): 108-110.

[1]	马满福，郭晨彪，李勇，张钟颖，张强，王常青. 基于结构熵的注意力流网络异构性研究[J]. 计算机工程与应用, 2021, 57(23): 98-105.
[2]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[3]	李金海，何有世，张鹏. 融合情境语义推理及社会网络的团购推荐研究[J]. 计算机工程与应用, 2021, 57(18): 163-171.
[4]	陈杰，程胜，徐梦，史豪斌. 面向医疗辅助诊断的可视化多属性决策方法[J]. 计算机工程与应用, 2020, 56(8): 249-255.
[5]	王安，顾益军. 基于社区划分的节点重要性评估方法[J]. 计算机工程与应用, 2020, 56(8): 42-48.
[6]	赵亮，朱征宇. 融入K-核迭代因子的重叠社区发现算法[J]. 计算机工程与应用, 2020, 56(3): 61-67.
[7]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[8]	杜轻，辛守庭，雷新宇，于海涛. 基于脑网络和TSK模糊系统的癫痫脑电识别[J]. 计算机工程与应用, 2020, 56(2): 133-140.
[9]	易成岐，郭鑫，童楠楠，窦悦，陈东，王建冬. 基于启发式社团发现模型的创新态势研判算法[J]. 计算机工程与应用, 2020, 56(15): 74-79.
[10]	蔡菲，张鑫，牟晓慧，陈杰，蔡珣. 深度非负矩阵分解的链路预测方法研究[J]. 计算机工程与应用, 2020, 56(15): 153-161.
[11]	张昕，郭阳. 复杂网络中的一种介度熵抗毁性度量方法[J]. 计算机工程与应用, 2020, 56(12): 105-111.
[12]	盛津芳，刘家广，王斌. 基于Katz自动编码器的城市路网链路预测模型[J]. 计算机工程与应用, 2019, 55(8): 116-123.
[13]	姚蓉1，杨雄1，杨鹏飞1，阴桂梅1，2，李海芳1. 精分EEG脑网络同步稳定性研究[J]. 计算机工程与应用, 2019, 55(5): 60-64.
[14]	陈紫扬，张月霞. 结合二层节点度和聚类系数的链路预测算法[J]. 计算机工程与应用, 2019, 55(23): 40-44.
[15]	张昕，严沛，郭阳，王慧慧. 基于k-shell的复杂网络最短路径近似算法[J]. 计算机工程与应用, 2019, 55(14): 54-60.